Berkeley CS189/289A Introduction to Machine Learning 是 Berkeley 的機器學習入門課。問題在於，網路上搜得到的 CS189 不只一個：Shewchuk 教的 Spring 2025、Norouzi 與 Gonzalez 教的 Fall 2025 和 Fall 2026、Listgarten 與 Dimakis 教的 Spring 2026。四個學期的課序、課本、作業都不一樣。本系列的 order 1 總覽寫於 Spring 2026 課站重新上線之前；這篇重新盤點版本，決定後面的講次與作業導讀要以哪一個學期為準。
結論先講：從本篇開始，講次與作業導讀一律以 CS189 Spring 2026（Jennifer Listgarten／Alex Dimakis）為底本。 它是目前唯一同時公開講課影片、講義、附解答的 discussion，而且作業完整公開到 notebook 的版本。
四個版本並排看
以下每一格都是 2026-09-29 匿名打開官方頁面核對的結果。等級用本站全球課程地圖的 A0–A3 定義：A0 只看得到課表、A1 看得到課綱、A2 教材部分開放、A3 足以自學。
| 版本 | 講者 | 匿名拿得到什麼 | 缺口 | 等級 |
|---|---|---|---|---|
| Spring 2026 | Listgarten、Dimakis | 27 講排程；講義 PDF 或 Notes 放在 Google Drive；官方站連結的 YouTube 播放清單有 25 支講課影片；Discussion 1–12 各有題目、解答與 walkthrough 影片；HW1–5 的 Drive 資料夾（PDF、LaTeX 模板、notebook，HW5 附解答） | Gradescope、hidden tests、Ed；HW1–4 解答；期末考；Lec 1 錄影 | A3（底本） |
| Spring 2025 | Jonathan Shewchuk | 每講 lecture notes、整本 machlearn.pdf、HW1–7（zip 或 PDF）、歷屆期中與期末考 | 正式錄影在 bCourses，要登入；公開的只有 Drive 上的 screen-only 備份錄影 | A3，但路線不同 |
| Fall 2025 | Narges Norouzi、Joseph Gonzalez | 排程、slides、講課播放清單、discussion | HW 的 Drive 資料夾匿名打開是空的；首頁連的 BerkeleyML/fa25-student repo 回 404 | A2 |
| Fall 2026 | Norouzi、Gonzalez | 進行中（首頁寫 Week 6）；已上的講有教材；BerkeleyML/fa26-student repo 可以打開 | HW 在首頁沒有公開連結；學期還沒結束 | A1→A2 |
Spring 2026 首頁的 Past Offerings 頁列出更早的學期，從 Spring 2016 到 Fall 2025，多數是 Shewchuk 的 ~jrs/189sXX 頁面。
今晚就能做的事：打開 Spring 2026 首頁，往下捲到排程表，確認你看得到每一列的 PDF 和 Video 連結。
為什麼不選 Fall 2025
Fall 2025 的課序跟 Spring 2026 很像，講義也都在。問題出在練習鏈。首頁每份作業都連到 Drive 的 materials 資料夾，匿名打開卻是空的；首頁另外連到 github.com/BerkeleyML/fa25-student 當 Content Repository，那個網址回 404。
沒有作業的課只剩講義和影片。這種課可以拿來理解主題，卻沒辦法照著練。所以 Fall 2025 只判 A2，不當底本。
Spring 2026 的 syllabus 重點
以下整理自 Spring 2026 Syllabus。
先修：MATH 53（多變數微積分）、MATH 54（線性代數）、COMPSCI 70（機率與離散數學），或同等程度。Syllabus 具體點名要會的東西：梯度與多變數連鎖律、矩陣運算、條件機率與貝氏定理，以及寫得出、除錯得了複雜的 Python 程式。
評分：
| 項目 | CS 189 | CS 289A |
|---|---|---|
| Homework | 30% | 20% |
| 期中考 | 30% | 25% |
| 期末考 | 40% | 35% |
| 研究所期末專題 | — | 20% |
期中考在 3 月 17 日晚上，期末考在 5 月 11 日，都要到場考。
作業是兩段式。整學期 5 份作業，每份跨三週，分成 Part 1 Warmup 和 Part 2 Main Homework。Warmup 先介紹工具和觀念，Main 做更深的應用，兩段同時發、同一天截止。作業混合數學推導與程式，繳到 Gradescope。
autograder 有公開和隱藏兩層。Syllabus 寫明：public tests 主要是 sanity check，例如確認你填的是數字而不是文字；hidden tests 才檢查正確性，學生做作業時看不到。這點對校外讀者很重要：你能跑的只有 sanity check，對不對要自己驗。
遲交規則有兩個版本。Syllabus 寫「分數最低的一份作業自動不計」；Lecture 1 投影片的 Assessment Cadence 頁卻寫「No HW drops」，改給 10 天 slip days，每份最多 4 天。兩份官方文件互相矛盾，本文照原文並列。對校外讀者來說，這條規則不影響自學。
AI 使用：Lecture 1 寫的是開放使用 GenAI，但「No Vibe Coding/Writing」，你交出去的每一行都要懂。Lecture 3 給了更具體的準則：能輕易驗證的事（視覺化、查文件）可以交給 AI；沒辦法驗證、自己寫不出測試或設計文件的東西，就不要讓 AI 代寫。
課本：Christopher M. Bishop 與 Hugh Bishop 的《Deep Learning: Foundations and Concepts》（Springer，2024）。Syllabus 給的 Springer PDF 連結要 CalNet 登入，校外讀者打不開。替代方案在 bishopbook.com：官方頁面放了一個 free-to-use 的線上閱讀版（issuu 嵌入），也提供第 2–10 章的習題解答下載。排程表每一講都列出建議閱讀的章節，本系列每篇會照抄。
Resources 頁另外列了三本免費的補充教材：Murphy 的 Probabilistic Machine Learning: An Introduction、Goodfellow 等人的 Deep Learning、Prince 的 Understanding Deep Learning。
每種教材放在哪
| 教材 | 位置 | 備註 |
|---|---|---|
| 講義 | 排程表每列的 PDF 或 Notes 連結（Google Drive） | Lec 13 起有些改成 Notes 資料夾 |
| 講課影片 | 官方站連結的 Spring 2026 Lectures 播放清單 | 25 支；Lec 1 只有 PDF，Lec 26 guest lecture 沒有教材 |
| Discussion | 排程表 Sections 欄，每週 PDF + Solutions + Walkthrough | 12 份 |
| 作業 | 排程表 HW 欄的 Drive 資料夾 | HW1 的 coding 放在 Modal notebook；HW5 標為選修 |
| 考古題 | Resources 頁的 Past Exams 資料夾 | 期中含 sp26-midterm.pdf 與解答；期末只到 sp25、fa25 |
Lecture 3 投影片提到課程內容也放在 BerkeleyML/sp26-student repo，但這個 repo 今天匿名打開是 404。Drive 上的檔案不受影響，本系列只引用 Drive 與課站連結。
今晚就能做的事：打開 HW1 Part 1 資料夾，確認看得到 hw1.pdf 和 hw1_student.tex。看得到，就代表你拿得到這門課的練習鏈。
校外讀者怎麼自評
你沒有 Gradescope，也沒有 hidden tests。能做的自評有三層：
- Discussion 解答：每週先自己做 worksheet，再對 Solutions，卡住再看 walkthrough 影片。這是整門課回饋最完整的一層。
- 期中考與解答：做完前 16 講後，限時兩小時寫
sp26-midterm.pdf，再對sp26-midterm-sol.pdf。首頁排程也連了期中考的 walkthrough 播放清單。 - 期末考：Spring 2026 期末考沒有公開，改用
sp25-final或fa25-final加解答。注意 sp25 是 Shewchuk 版，範圍跟 Spring 2026 不完全重疊。
作業部分，HW1–4 沒有官方解答，只能靠自己寫測試。HW5 資料夾附了 solutions/hw5-sol.pdf。
只有 Spring 2025 講的主題
Spring 2026 是「從資料到 LLM」的現代路線。Shewchuk 的 Spring 2025 走的是另一條經典路線：perceptron、SVM、決策理論、高斯判別分析、回歸、決策樹、神經網路、PCA、boosting、最近鄰。以下幾個主題在 Spring 2026 排程裡沒有出現或只一筆帶過，想補要去 Spring 2025 課站：
| 主題 | Spring 2025 講次 |
|---|---|
| Hard-margin 與 soft-margin SVM | Lec 3–4 |
| 高斯判別分析（QDA／LDA） | Lec 7、9 |
| 決策樹、bagging、隨機森林 | Lec 14–15 |
| PCA、SVD、階層式聚類 | Lec 20–21 |
| AdaBoost、最近鄰與 Bayes risk | Lec 24 |
| 加速最近鄰查詢、Voronoi 圖、k-d tree | Lec 25 |
Spring 2026 的 syllabus 開頭提到 PCA，但排程表 27 講裡沒有獨立的 PCA 講次。本系列以排程表為準。
Spring 2025 的講課 notes 和整本 machlearn.pdf 都能匿名下載，作業 HW1–7 也在課站上。它自己是一門完整的 A3 課，適合當成 Spring 2026 的平行讀物，不是替代品。
Fall 2026：下一學期長什麼樣
Fall 2026 由 Norouzi 與 Gonzalez 主授，今天首頁顯示 Week 6。排程也是 27 講，順序跟 Spring 2026 大致同構：KNN/K-Means → 密度估計與 GMM → 線性回歸 → logistic → 梯度下降 → 神經網路 → CNN → Transformer → LLM。差異有兩處：Lec 3 是獨立的 Dimensionality Reduction，後段多了 MDP/RL、post-training 與 diffusion。
本系列每篇末段會附一行「Fall 2026 對應講次」。學期結束後，如果 Fall 2026 的作業也完整公開，會再評估要不要換底本。
本系列接下來的路線
照 Spring 2026 官方課序排，作業導讀插在它涵蓋的講次之後：
- 下一篇：Lec 1–3：ML 問題框架、資料工具、術語與技巧
- 再下一篇：Lec 4–7：K-means、機率複習、MLE、多變量高斯與 GMM
- 之後依序是線性回歸、HW1、分類與 logistic、梯度下降、MLE/MAP 與期中自評、HW2、神經網路、HW3、CNN、Transformer、HW4、LLM 與自監督、完課，最後是選修的 HW5。
延伸閱讀
- Berkeley AI／ML 課程導讀：CS189 在 Berkeley 課程地圖上的位置
- Stanford CS109 機率導讀：先修機率不熟時的補課路線
- Stanford CS229 導讀：另一門數學型 ML 入門課，可以對照
參考資料
- CS 189/289A Spring 2026 首頁與排程
- CS 189/289A Spring 2026 Syllabus
- CS 189/289A Spring 2026 Resources
- CS 189/289A Spring 2026 Past Offerings
- CS 189 Spring 2026 Lectures 播放清單
- CS 189 歷屆考古題資料夾（Google Drive）
- Spring 2026 Lecture 1 投影片
- Spring 2026 Lecture 3 投影片
- CS 189 Spring 2025（Shewchuk）課站
- CS 189 Fall 2025 課站
- CS 189 Fall 2026 課站
- Bishop & Bishop, Deep Learning: Foundations and Concepts 官方頁面
Loading...